Pemetaan Penggunaan Lahan Mengunakan Metode Support Vector Machine (SVM) di Kota Sawahlunto
Abstract
Abstrak. Pemetaan penggunaan lahan merupakan aspek penting dalam pemahaman lingkungan dan pengelolaan sumber daya alam. Peningkatan akan kebutuhan lahan terutama pada pemukiman dan kebutuhan pokok lainnya, berdampak pada kelestarian lingkungan dan ekosistem disekitarnya. Penelitian ini bertujuan untuk mengindentifikasi penggunaan lahan di Kota Sawahlunto menggunakan citra Landsat 9 dengan metode SVM. Penelitian ini menghasilkan peta distribusi penggunaan lahan di Kota Sawahlunto dengan luas wilayah 27.345ha. Berdasarkan hasil analisis diperoleh 7 kelas penggunaan lahan yaitu hutan dengan luas 11.466,49ha, kebun dan tanaman campuran dengan luas 10.269,45ha, sawah dengan luas 3.139,76ha, sabana dengan luas 1.156,36ha, lahan terbuka dengan luas 792,87ha, pemukiman dengan luas 427,61ha dan badan air dengan luas 92,48ha.
Mapping land use using the Support Vector Machine (SVM) method in the city of Sawahlunto
Abstract. Land use mapping is an important aspect of understanding the environment and managing natural resources. The increasing demand for land, particularly for settlements and other basic needs, has implications for environmental sustainability and the surrounding ecosystems. This research aims to identify land use in Sawahlunto City using Landsat 9 imagery and the SVM method. The research results in a land use distribution map in Sawahlunto City covering an area of 27,345 hectares. Based on the analysis, 7 land use classes were identified: forests covering an area of 11,466.49 hectares, mixed gardens and crops with an area of 10,269.45 hectares, rice fields with an area of 3,139.76 hectares, savannah with an area of 1,156.36 hectares, open land with an area of 792.87 hectares, settlements with an area of 427.61 hectares, and water bodies with an area of 92.48 hectares
Keywords
Full Text:
PDFReferences
Asadzadeh, S., & Filho, C. R. d. S. (2015). Review and Categorization of Spectral Processing Methods. Anais XVII Simpósio Brasileiro de Sensoriamento Remoto, 1, 6381-6388.
Fitri, S., & Nurjanah, N. (2018). Penerapan Support Vector Machine untuk Mendapatkan Sebaran Lahan Sawah pada Citra Landsat 8. Infotech Journal, 4(2), 51-55.
Hamdir, A. N. R. W. (2014). Studi Perbandingan Klasifikasi Multispektral Maximum Likelihood dan Support Vector Machine untuk Pemetaan Penutup Lahan. Jurnal Bumi Indonesia, 3(4).
LAPAN. (2015). Pedoman Pengolahan Data Satelit Multispektral Secara Digital Supervised untuk Klasifikasi. Jakarta: Pusat Pemanfaatan Penginderaan Jauh.
Mahendro, I., & Abimanto, D. (2022). Analisa Kepuasan Mahasiswa Terhadap E-Learning Menggunakan Algoritma Support Vector Machine. Jurnal Sains Dan Teknologi Maritim, 23(1), 97-108.
Muhsoni, F. F. (2015). Penginderaan Jauh (Remote Sensing). Bangkalan: UTM Press
Sampurno, R. M., & Thoriq, A. (2016). Klasifikasi Tutupan Lahan Menggunakan Citra Landsat 8 Operational Land Imager (OLI) Di Kabupaten Sumedang (Land Cover Classification Using Landsat 8 Operational Land Imager (OLI) Data In Sumedang Regency). Jurnal Teknotan, 10(2), 1978-1067.
Seran, A. M. D., Ngana, F. R., & Pian, M. (2022). Pemetaan Wilayah Lahan Kering Menggunakan Penginderaan Jauh Di Wilayah Kecamatan Kupang Tengah, Kabupaten Kupang. Jurnal Fisika Sains dan Aplikasinya, 7(2), 42-47.
Sitorus, S. R. P. (2017). Perencanaan Penggunaan Lahan. Bogor: IPB Press.
Supribadi, K., Khakhim, N., & Purwanto, T. H. (2014). Analisis Metode Support Vector Machine (Svm) untuk Klasifikasi Penggunaan Lahan Berbasis Penutup Lahan pada Citra Alos Avnir-2. Majalah Geografi Indonesia, 28, 71-80.
Suwargana, N. (2013). Resolusi Spasial, Temporal Dan Spektral Pada Citra Satelit Landsat, SPOT Dan IKONOS. Jurnal Ilmiah WIDYA, 1(2), 167-174.
Wafdan, L. (2020). Identifikasi Klasifikasi Lahan Di Kecamatan Pakem Kabupaten Sleman Berdasarkan Intepretasi Citra Sentinel-2. Jurnal Ilmiah Penalaran dan Penelitian Mahasiswa, 4(1), 105-128.
DOI: https://doi.org/10.17969/jimfp.v9i1.28721
Refbacks
- There are currently no refbacks.
Copyright (c) 2024 Jurnal Ilmiah Mahasiswa Pertanian
E-ISSN: 2614-6053 | 2615-2878 | Statistic | Indexing | Citation | Dimensions
Alamat Tim Redaksi:
Fakultas Pertanian,Universitas Syiah Kuala
Jl. Tgk. Hasan Krueng Kalee No. 3, Kopelma Darussalam,
Banda Aceh, 23111, Indonesia.
Email:jimfp@usk.ac.id